更新時間：2024-03-04 11:04:56作者：佚名
大數據技術是預測分析、數據挖掘、統計分析、人工智能、自然語言處理、并行計算、數據存儲等技術的綜合應用。 它是數據科學領域的新一代技術架構。 針對體量大、類型復雜、需要實時處理和價值提純的各類數據，新型數據感知、采集、存儲、處理、分析（數據挖掘、統計分析、機器學習等）和可視化綜合運用技術提取數據價值，從數據中獲取深入全面的知識和洞察。
河鋼集團是世界特大型鋼鐵企業。 粗鋼產量居世界第三，擁有大型高爐29座。 隨著企業計算機應用領域的擴大和自動化水平的顯著提高，高爐工藝歷史生產數據龐大，并產生大量實時數據。 但這些數據僅存儲在硬盤上，沒有進行深入分析和價值挖掘。
河鋼成鋼高爐煉鐵工藝采用了較為完善的工藝技術和裝備，為高爐大數據技術的應用和煉鐵智能化水平的提升提供了良好的研發基礎和支撐環境。 高爐過程是“黑箱”操作，冶煉過程不可預測。 高爐在長期運行過程中，會積累大量的冶煉工藝數據。 我們要充分發揮大數據的價值，通過人工智能技術深入挖掘大數據蘊含的內在規律。 有效預測和指導生產，最終實現精細化、智能化煉鐵，對鋼鐵行業具有重要意義。
“高爐大數據智能預測系統”研究項目聚焦最復雜的高爐工藝工段，圍繞河鋼成鋼高爐大數據應用和智能煉鐵開展研發工作。 通過跨學科前沿技術的融合和實際應用，實現高爐大數據云平臺交互、高爐冶煉過程可視化、大數據挖掘和智能分析的目標，將極大提升高爐冶煉的自動化、智能化水平。高爐煉鐵。
研究內容
“高爐大數據智能預測系統”研究項目包括兩個方面：一是高爐大數據云平臺的設計與開發；二是高爐大數據智能預測系統的設計與開發。 二是開發基于大數據技術的高爐冶煉過程預測系統。
1.1 高爐大數據云平臺及交互功能設計與開發
通過物聯網構建前端大數據采集傳輸系統，通過云平臺和數據倉庫對大數據進行處理和分析，可以有效提高企業管理效率和生產流程優化，推動傳統鋼鐵企業向智慧鋼鐵企業轉變。 在不影響鋼廠現有系統和應用架構的情況下，整合現有成鋼高爐信息系統，構建了高爐內部大數據私有化云服務系統。 通過大數據云平臺交互功能的設計和開發，實現高爐大數據采集、數據處理、數據存儲、客戶端交互。 主要研發內容如下。
1.1.1 大數據采集與數據處理
實現高爐生產過程數據的自動采集、與其他系統的通訊采集，并進行數據清洗和過濾，為數據服務器存儲模塊提供良好的數據基礎。
1.1.2 云平臺建設和大數據存儲
設計搭建成鋼現場大數據云平臺，滿足所有系統上線后長期穩定運行的要求。 為保證系統的性能、安全性和穩定性，配備了足夠數量的項目所需的高性能服務器、磁盤陣列、客戶端、防火墻、網絡等設備和系統軟件。 數據庫服務器和應用服務器均為雙機熱備，負載均衡。 ，數據定期冷備份，滿足10年數據在線存儲需求。
1.1.3 云平臺多品類客戶端設計與開發
針對云平臺架構，設計了PC端、移動端等多品類客戶端交互功能，以數據服務器為核心，實現方便、快捷、高效的界面交互功能。 具體功能如下：
1）實施電子報告系統，消除手動輸入；
2）實現爐子壽命期內所有生產運行數據的長期保存；
3）在手機上實現爐況參數的友好界面顯示（根據不同級別劃分功能顯示）；
4）完成生產經營數據對標功能并尋找規律（用自己歷史上最好的指標進行對標，具體指標可以選擇）；
5）歷史數據查詢和趨勢圖顯示。
1.2 基于大數據技術
高爐冶煉過程預測系統的研發
將大數據深度挖掘和機器學習技術應用到高爐實際生產中。 通過研究和篩選合適的機器學習算法，針對具體問題優化和完善深度學習系統，可以實現高爐各課題的預期功能。
1.2.1 基于連續測溫的鐵水溫度預測
針對高爐冶煉過程中的海量數據，通過大數據挖掘建立預測模塊，結合實際問題，分析工藝參數與鐵水質量指標之間的關系和影響，實現溫度變化趨勢的準確預測高爐中的鐵水。 為操作人員提前調整爐況提供參考依據。
在準確預測鐵水溫度的基礎上，捕捉影響鐵水溫度的因素變化，得出影響鐵水溫度變化的主要因素，為高爐管理人員調整爐況提供參考提前。
1.2.2 高爐運行參數合理匹配智能分析優化系統
設計開發合理的高爐運行參數匹配智能分析優化系統，有效融合大數據和人工智能技術。 系統可以評估當前冶煉條件下當前工長的操作水平，智能優化各操作參數的合理匹配關系，并顯示當前冶煉操作水平評估結果，為下一步高爐操作提供各種操作參數的合理建議，幫助高爐經營者充分挖掘高爐冶煉潛力。
1.2.3 鐵水中釩含量預測與決策系統
完成高爐釩冶煉全部相關歷史數據的收集和匯總，清理整合大量生產工藝數據，應用工藝經驗支持的數據挖掘技術，找出燒結生產技術指標、高爐生產之間的關系。爐子生產技術指標與鐵水釩含量的相關性； 建立有利于高爐釩還原的燒結礦生產控制參數預測模型和鐵水中釩含量最優預測模型； 建立基于鐵水中最優釩含量模型的決策系統。 當原料條件和高爐操作條件發生變化時，為現場人員提供不同條件下的操作建議。
1.2.4 高爐運行綜合評分評價體系
基于成鋼高爐當前歷史生產數據智能軋鋼技術，采用大數據挖掘技術，研究高爐原燃料性質、工藝參數、操作系統等數據與鐵水產量、質量、燃料比的關系； 利用數理統計、機器學習等技術，篩選出對高爐生產影響重大的關鍵參數，開發高爐生產評價體系。 對高爐運行狀況進行定量評分，提供當前波動參數的調整方向。
1.2.5 釩鈦礦高爐冶煉爐缸功評價模型
結合工藝和數理統計的結果，建立爐子相關參數的數據倉庫； 分析爐內物料的充填和運動情況以及相應的高爐操作系統，即布料系統、熱系統、冷卻系統、送風系統、排渣系統。 以及爐前排渣鐵等操作，獲取相關參數和爐缸工作狀態的影響規律； 通過爐缸工作狀態評估系統，實現高爐爐缸活動的智能監控、可視化和預測。
1.2.6 高爐壓差預測系統
通過挖掘高爐運行參數相互匹配、相互影響的關系，設計開發了高爐工況大數據深度學習預測系統。 從積累的大數據中，我們可以自學習影響壓差變化的內在規律和特征，實現高爐壓差技術。 指標的準確預測有助于操作人員穩定爐況。 在準確預測壓差的基礎上，捕捉影響壓差因素的變化，得出影響壓差變化的主要因素，為高爐管理人員提前調整爐況提供參考。
1.2.7 全爐料層分布智能監控系統
基于智能算法和數值模擬實現了分布點軌跡計算、料面分布模擬計算、徑向礦焦比計算、全爐料層分布數值模擬連續、復雜的配送過程中各物料層的配送情況，實現上層配送過程的在線跟蹤。 仿真幫助高爐操作人員了解爐料分布情況，從而為手動調整爐料系統提供參考。 要求在線跟蹤模擬材料層和特定材料的動態跟蹤分布，形成直觀的畫面來指導布料調整，實現布料規則、均勻。
1.2.8 高爐有害元素分析與控制系統
制定成鋼高爐有害元素控制標準，研究高爐有害元素行為、分布和危害機制，建立有害元素循環富集跟蹤模型，實現高爐有害元素循環富集在線跟蹤方便高爐操作人員了解高爐內有害元素富集狀況，提供有效的操作指導和建議。 要求能夠給出爐內關鍵元素（鉀、鈉、鋅、鋁、鈦、硫）的濃度以及入爐控制標準和具體影響因素。
研究目標
圍繞高爐冶金工藝機理研究，綜合應用計算機、自動化、數值模擬、超級計算、人工智能等領域前沿技術，針對最復雜的高爐工藝工段，構建了大數據云平臺對河鋼高爐進行長期分析。 將積累的工藝冶煉工藝數據和不同類型的設備或數據接口進行高效、自動的采集、整理和過濾，形成大型高爐數據庫，并開發云平臺交互系統。 同時，我們將深入研究大數據深度挖掘算法，根據高爐冶煉工藝選擇合適的算法，構建大數據深度學習核心系統。 圍繞高爐大數據應用和智能煉鐵開展研發工作智能軋鋼技術，通過跨行業的集成和實際應用，實現高爐大數據云平臺交互、高爐冶煉過程可視化、大數據挖掘和智能分析等目標。學科前沿技術。
研究進展
項目前期，我們與集團鋼研所對接，完成現場勘察等文件準備，并組織技術質量部、煉鐵部、自動化中心專業技術人員進行攻關大數據知識的研討、交流培訓，取得了以下階段性成果：
首先，確定項目設置和3-5年的項目目標和方向，確定分步實施預測、決策、模擬的思路；
二是對3、4、5號大型高爐關鍵工藝參數和缺失數據進行詳細統計調查，進行差異分析，確定4號爐為研究高爐；
三是對4號高爐數據進行分類整理，填補空白，為下一步數據分析和建模奠定基礎。
目前已與北京科技大學、鋼鐵研究院簽訂三方合同，進入研究實施階段。
1）高爐大數據云平臺設計與開發，完成大數據云平臺交互功能的設計與開發，實現大數據采集、數據處理、數據存儲、客戶端交互。
2）首次將大數據深度挖掘和機器學習技術應用于高爐實際生產，建立高爐冶煉過程預測系統，實現高爐冶煉過程中機器自學習和爐況預測過程。
3）基于大數據云平臺構建高爐冶煉過程自主決策優化控制系統，實現高爐全面智能監測、分析和過程計算，融合智能預測結果和實際生產經驗，實現高爐冶煉過程的智能優化控制。